gis5

Ebenfalls aus Fehlermatrix extrahierbar. Misst übereinstimmung zwischen 2 kategorialen Variablen

Bsp: übereinstimmung zwischen Bildklassifikation und Groundtruth

Fehlerbänder: Epsilonband kann nicht für die Dokumentation von Quellenfehlern eingesetzt werden, sondern auch für die Fehlerabschätzung in geometrischen Verschneidungsoperationen

Polygonoverlay: Vektormodell --> einfache Perkalbänder

PointinPolygon: Bei Berücksichtigung der in den Daten erhaltenen Fehler das Resultat dieser Tests nicht einfach binär, sondern mehrwertig ist

- Flächenfehler oder Veränderung der Linienlänge, Formerhaltung etc

- Wandlung Vektor-Raster

- Rasterisierung: Zentralpunkt oder Dominanzprinzip. 

Eine Sichbarkeitsanalyse definiert alle Stellen in einem Gelände, die von einem Punkt aus sichtbar sind

binary viewshed: sichtbar oder nicht sichtbar

Man bildet die „line of sight“ (LOS) vom Beobachtungspunkt zum Zielpunkt und schaut dann ob diese Linie einen anderen Geländepunkt schneidet. Wenn das der Fall ist, ist der Zielpunkt nicht sichtbar, falls kein Schnittpunkt existiert, ist der Geländepunkt sichtbar (Gilt für Raster sowie für TIN). 

- Ist der Beobachtungspunkt ein Punkt oder eine Zelle?je nachdem gibt es unterschiedliche Lösungen

- Wie wird die Höhe entlang der LOS berechnet? – Entweder berechnet man immer dort die Höhe wo die LOS das Raster schneidet und berechnet die Höhe dort anhand der Nachbarspunkte oder man nimmt die Zellen als Ebenen mit konstanter Höhe an.

-Wie wird berechnet, ob ein Punkt oberhalb oder unterhalb einer Stelle liegt? – Verschiedene Ansätze: Strahlensatz, Trigonometrie, durch rechnerinterne Ungenauigkeit können unterschiedliche Lösungen resultieren

Horizin Viewsheds: 

Sichtbarkeit wird ermittelt anhand sichtbar (1), unsichtbar (0),  lokaler Horizont (z.B. kleiner Hügel) (2) und globaler Horizont (3) 

Global offset Viewshed:

Der Vertikale Abstand (Offset) zum globalen Horizont wird gespeichert (pos. wenn sichtbar, neg. wenn unsichtbar) 

- Abwägung zwischen Alternativen

- Ziel: bester Kompromiss finden

- Nützt Kriterien um Standorte anhand ihrer Attribute zu identifizieren, welche Anforderungen des Ziels erfüllen

- Ziel: Beste Kompromisse finden für versch Vorstellungen/Ziele

- Man iteriet über alle Lösungen und sucht die besten Gebiete für alle Ziele

- Bsp: ökonom will auf dem billigsten Land bauen, ökolog da, wo dem Land am wenigsten geschädigt wird

- Prozess, der Entscheidungsträgern hilft, eine Entscheidung zu treffen

- Visualisiert Problem

- Definiert beziehungen der Faktoren

- modelliert mögliche Ergebnisse/Auswirkungen

- Wie gross ist die gesamte Unsicherheit, in einer Outputvariable?

- Quantifizierung der Unsicherheiten in den Outputvariablen, zufolge Unsicherheiten in den Inputvariablen

Wie gross sind die Beiträge der einzelnen Inputvariablen an diesen Unsicherheiten?

Quantifizierung des Einflusses von versch Inputvariablen auf Outputvariablen

Wie sensibel reagieren Modellresultate auf Fehler bzw änderungen der Inputvariablen

Anhand der Standardabweichung von einzelnen Variablen wird über partionelle Ableitung die Standardabweichung des Modellresultats berechnet. Standardabweichung als Wert der Unsicherheit

Anwendung: Universal Soil lodd Equation

Limite: geht davon aus, dass Variablen nicht korellieren und linear kombiniert sind. nur stetig

Dient zur Berechnung (Simulation) der Fehlerfortpflanzung in komplexen numerischen Operationen und Modellen

Funktionsweise: Die Berechnung wird mehrmals durchgeführt mit geänderten Input-Variablen und zeigt dann die Auswirkung von Fehlern. Räumliche Autokorrelation steigt mit der Zahl von Wiederholungen

Bsp: Rothermel-Modell: komplexes numerisches Modell für Verhalten von Lauffeuern

Vorteile: 

- Es kann eine beliebige Wahrscheinlichkeitsverteilung der Fehler modelliert werden.
- Da die Outputvariablen als empirische (simulierte) Verteilungen entstehen, ist das Resultat der Fehlerfortpflanzung differenziert.
- Beliebige Rechenoperationen, beliebige Komplexität
- Einfach zu implementieren

Nachteile: Sehr rechnenaufwändig, Nur für Intervall-/Ratiodaten

Statt Wahrscheinlichkeit der Zugehörigkeit zu einer (Teil-)Menge: Möglichkeit (Possibility) der Zu-gehörigkeit zu einer Menge, ausgedrückt über den Grad der Zugehörigkeit (‚degree/grade of membership‘ – d.o.m.)

Definieren den Grad der Zugehörigkeit zu einer Menge über einen definierten Wertebereich.
3 Typische Formen:
o Dreiecksfunktion
o Trapezfunktion
o Glockenkurve

- Unscharfe Klassenbildung durch Zuweisung der d.o.m.-Werte in Abhängigkeit vom Wert einer Va-riable.
- Defuzzification: Konversion von unscharfen Mengen (fuzzy sets) in Boolsche Mengen (crisp sets) über sog. Alpha Cuts (Teilmenge aller Beobachtungen, deren d.o.m. ≥ eine Schwelle α ist.)
- Kann in einem GIS durch eine Distanztransformation mit einem Raster oder durch mehrere, un-terschiedlich klassierte Puffer erreicht werden.

Datenbestand, von dem man annimmt, dass sie zusammengehören

Datenbasis, die angereichert ist um weitere Daten. Struktur wird gegeben. 

Softwareprodukte, die für Speicherung, Verwaltung, Restaurierung usw. zuständig sind.  

Besteht aus Datenverwaltungssystem und mehreren Datenbanken. 

Erweitert die Datenbanken um eine Reihe von Werkzeugen zur Abfrage, Darstellung, Transformation und Analyse von Daten. 

- datenpersistenz(lebensdauer durch user bestimmt)

- strukturierte daten (systematische untergliederung und verknüpfung)

- beschriebene daten (definition, dokumentation)

- trennung von daten und anwendung

- datenintegrität (keine widersprüche)

- transaktion (bündel von aktionen, die in einer db durchgeführt werden)

- mehrfachbenutzung (dbms erlaubt mehrere user)

- datensichten (individualisierte ansicht der daten)

- vermeidung von redunanz (mehrfachspeicherung)

- versionenmanagement

- erweiterbarkeit

Fahrplaninformationssystem

online fahrplan sbb: bsp für ein dbs mit webbasierten informationssystem

zugriffscharakteristika: sehr viele zugriffe

mejrfachnutzung: sbb intern, web, wap, app

datenintegrität: änderung von fahrplan müssen per,anent nachgetragen werden

flugreservationssystem

mehrfachnutzung

transaktionen bei gleichzeitigem zugriff auf die gleiche datenbasis

gleiches ticket darf nicht mehrfach verkauft werden

DBS speichern typischerweise sehr grosse Datenmengen. Um darauf für Abfrageoperationen schnell zugreifen zu können müssen die Daten speziell strukturiert sein. Dies macht man in DBS mit räumlichen Indizes. Dient nicht zur Speicherung sondern liefert nur Adressen zu den Stellen, wo ein Datenelement gespeichert wird

Paritionierung: Aufteilung des Raums in Kacheln

o Regelmässig (uniform Grid, Quadtree)

o Objektabhängige Aufteilung: Kachelgrenzen fallen mit Objektgrenzen zusammen (RangeTree)

-Hierarchien: schnell gewisse grosse Teile ausschliessen können

-Räumliche Ordnungsstruktur: Was räumlich nahe beisammen ist, soll auch auf dem Speicher nahe beisammen liegen -> in der gleichen Kachel oder in benachbarten Kacheln